Compartiment-bewuste benchmarking van transcriptomen van respiratoire virussen voor gastresponsmodules in neus- en bloedmonsters: een computationele studie

Shude Han; Sinan Jin

doi:10.3791/73334

Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Onderzoeksartikel

Compartiment-bewuste benchmarking van transcriptomen van respiratoire virussen voor gastresponsmodules in neus- en bloedmonsters: een computationele studie

85 weergaven

⸱

DOI:

10.3791/73334

⸱

18 september 2026

Shude Han¹ , Sinan Jin²

¹Comprehensive Rehabilitation Department, Beidahuang Industry Group General Hospital, ²Department of Pathology, First Affiliated Hospital of Harbin Medical University

In dit artikel

Samenvatting

Deze computationele studie presenteert een compartiment-bewuste workflow voor het benchmarken van openbare transcriptomen van respiratoire virussen, waarbij wordt aangetoond dat gastheerresponsen in de neus en het bloed een beperkte concordantie op genniveau vertonen, maar toch reproduceerbare, biologisch interpreteerbare compartiment-specifieke modules opleveren over onafhankelijke datasets, klinische vergelijkingen, longitudinale herstelprocessen en robuustheidsanalyses.

Samenvatting

Openbare transcriptomen van respiratoire virussen zijn waardevol voor het bestuderen van gastheerresponsen, maar verschillen in weefselbron, definitie van controles en studieontwerp kunnen gepoolde analyses vertroebelen. We hebben een compartiment-bewuste computationele workflow ontwikkeld om te bepalen of reproduceerbare activiteit van de gastheerrespons kan worden geïdentificeerd terwijl de biologische context van neus en bloed behouden blijft. De gepaarde pediatrische cohort GSE17827 diende als ankerdataset, bestaande uit transcriptomen van neusswabs en volbloed bij symptomatische picornavirusinfectie, symptomatische infectie met het respiratoir syncytieel virus, asymptomatische detectie van picornavirus en virus-negatieve controles. Na filtering door het HUGO Gene Nomenclature Committee (HGNC) werden 27.685 genen geanalyseerd. Afzonderlijke proteïne-coderende neus- en bloedmodules van 50 genen werden gedefinieerd op basis van de sterkste positieve responsen en vastgelegd vóór externe evaluatie. Effecten op genniveau in neus en bloed waren vrijwel onafhankelijk (Pearson r = 0,015), en de modules deelden zes verkennende genen met een overlap in rangschikking (Jaccard-index = 0,064). Desondanks scheidde de neusmodule infectie van controles in onafhankelijke cohorten van de bovenste luchtwegen, met areas under the receiver operating characteristic curve (AUROC's) van 0,749, 0,693 en 0,609, terwijl de bloedmodule AUROC's behaalde van 0,832, 0,924 en 0,870 in externe bloedcohorten. In longitudinale gegevens van natuurlijke infecties namen de gematchte scores af van acute ziekte tot ontslag, met gepaarde delta's van 0,436 voor neusmonsters en 0,30 voor bloed. Drie aanvullende benchmarkdatasets bestaande uit 6 externe monsters, samen met random-gene nulls, module-size sweeps, bootstrap-stabiliteit, marker-programma-correlaties en variantiepartitionering, definieerden de robuustheid en beperkingen van de workflow. De Pandya 3-messenger ribonucleïnezuur (mRNA) set bleef sterker voor discriminatie tussen viraal en bacterieel, terwijl de bloedmodule ook toenam bij bacteriële pneumonie. Deze bevindingen ondersteunen compartiment-specifieke modules als herbruikbare scores voor gastheerrespons-activiteit voor cohortvergelijking en het volgen van herstel, in plaats van universele pan-weefsel biomarkers of op zichzelf staande pathogeenclassificatoren.

Inleiding

Transcriptomische signaturen van de gastheer worden op grote schaal gebruikt om infectieuze syndromen te classificeren en immuunresponsen tussen verschillende pathogenen te vergelijken¹^,²^,³^,⁴^,⁵. Respiratoire virussen activeren vaak overlappende interferon-gestimuleerde genen (ISG's), inflammatoire mediatoren en antigenpresentatie-routes⁶^,⁷^,⁸^,⁹^,¹⁰. Recente gepaarde en longitudinale studies tonen daarnaast aan dat lokale responsen in de luchtwegen en systemische responsen kunnen verschillen in timing, cellulaire compositie en magnitude¹¹. Dit vraagstuk beperkt zich niet alleen tot influenza, het respiratoir syncytieel virus (RSV), rhinovirus en SARS-CoV-2. Het humaan metapneumovirus blijft een belangrijke oorzaak van luchtweginfecties, maar de literatuur over de respons van de gastheer en interventies is nog in ontwikkeling¹²^,¹³. Deze waarnemingen bij diverse respiratoire virusinfecties benadrukken verder de verschillen tussen lokale responsen in de luchtwegen en systemische responsen van de gastheer¹⁴. Voor computationele gastheer-virusstudies is de praktische vraag daarom niet alleen of er een respons bestaat. De vraag is of publieke data hergebruikt kunnen worden via een transparante workflow die de weefselcontext behoudt en reproduceerbare scores voor de respons van de gastheer oplevert.

De meeste openbare transcriptoomdatasets van respiratoire virussen waren niet ontworpen voor zuivere cross-virus- of cross-weefselinferentie. Weefselbron, timing, ernst, leeftijd, controledefinitie en platform variëren vaak gelijktijdig. High-throughput expressiedatasets zijn bovendien gevoelig voor ongewenste technische variatie en variatie op studieniveau¹⁵^,¹⁶. Een gepoolde analyse kan daarom een sterke interferon- of inflammatoire signatuur blootleggen, terwijl de oorsprong ervan wordt versluierd. Neusmonsters leggen de epitheliale en mucosale immuunbiologie vast, terwijl volbloed systemische leukocytenresponsen weerspiegelt. Het behandelen van deze compartimenten als uitwisselbaar maakt een score eenvoudig te berekenen, maar moeilijk te interpreteren.

We hebben de analyse gebaseerd op GSE17827, een gepaarde neus-bloedcohort uit dezelfde studie, in plaats van op de grootste beschikbare discovery-collectie¹⁷. De cohort is klein, maar het vermindert confounding tussen studies wanneer de effectgroottes van neus en bloed worden vergeleken. Het omvat symptomatische picornavirusinfectie, symptomatische RSV-infectie, asymptomatische picornavirusdetectie en virusnegatieve controles. We hebben het daarom uitsluitend gebruikt als anker voor afzonderlijke compartimentspecifieke modules. Het lidmaatschap van de modules werd vastgelegd vóór de externe testen. De stabiliteit van de selectie uit de kleine cohort werd onderzocht middels gestratificeerde bootstrap-resampling, random-gene nulls en gevoeligheidsanalyses van de modulegrootte.

We hebben een benchmarkinglaag toegevoegd met bacteriële en niet-infectieuze comparatoren. GSE6390 bevat volbloedmonsters van acute luchtweginfecties, gelabeld als viraal, bacterieel of niet-infectieus¹⁸. GSE4012 bevat monsters van ernstige community-acquired pneumonie, systemisch inflammatoir responssyndroom (SIRS) en gezonde controles¹⁹. Deze cohorten testen of een module een algemene gastrespons-activiteit of pathogeen-klasse-specificiteit weerspiegelt. GSE53543 werd afzonderlijk geanalyseerd als een ex vivo benchmark voor rhinovirus-perturbatie van perifere bloedmononucleaire cellen (PBMC). Dit meet de leukocytenrespons onder een gecontroleerde stimulus, maar is niet gelijk aan een natuurlijke infectie.

Onze uitgangspunten zijn bewust conservatief. We proberen geen universele antivirale signatuur aan te tonen op basis van heterogene publieke data. In plaats daarvan onderzoeken we of een compartiment-bewuste workflow modulescores kan produceren die nuttig blijven na externe toetsing. Het beoogde gebruik is complementair aan diagnostische classificeerders zoals Pandya 3-mRNA. Deze modules scoren de gastheerresponsactiviteit in het neusslijmvlies en in het bloed over verschillende cohorten, herstelstadia en symptoomgradiënten heen. Ze zijn niet ontworpen om de klasse van het pathogeen vast te stellen.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

In deze studie werden gedeïdentificeerde, openbaar beschikbare gegevens opnieuw geanalyseerd; er was geen sprake van nieuwe werving, interventie of monstername. Institutionele ethische goedkeuring en nieuwe geïnformeerde toestemming waren daarom niet vereist voor de huidige secundaire analyse. Ethische goedkeuring en geïnformeerde toestemming voor de oorspronkelijke studies werden gerapporteerd door de respectievelijke generatoren van de gegevens.

Studie-ontwerp en workflow-logica
We hebben een retrospectieve bioinformatica-studie uitgevoerd met publieke data met behulp van datasets die zijn gedeponeerd in de Gene Expression Omnibus²⁰^,²¹. Er zijn geen nieuwe patiëntmonsters, celcultuur-experimenten, diermodellen of wet-lab validaties gegenereerd. De workflow maakte gebruik van een anchor-first ontwerp. GSE17827 werd gebruikt voor de schatting van de effectgrootte, moduleconstructie, cross-compartiment concordantie en symptoomgradiëntanalyse. Onafhankelijke datasets werden pas geïntroduceerd nadat het modulelidmaatschap was vastgesteld. De workflow bestond uit paired-compartment anchoring, HGNC-mapping en eiwitcoderende filtering, afzonderlijke constructie van neus- en bloedmodules, weefsel-gematchte en longitudinale validatie, klinische benchmarking en robuustheidsanalyses. De bevestigende analyses bestonden uit de vastgelegde weefsel-gematchte en longitudinale tests. De overlap-gen, symptoomgradiënt, marker-programma en variantie-analyses waren explorerend of beschrijvend.

Ankercohort en primaire contrastanalyse
GSE17827 bevat expressieprofielen van neusswabs en volbloed van 26 kinderen: 9 symptomatische picornavirusgevallen, 5 asymptomatische picornavirusdetecties, 6 symptomatische RSV-gevallen en 6 asymptomatische virusnegatieve controles¹⁷. Bij twee RSV-gevallen ontbraken bloedmonsters. Het volledige ankerontwerp bevatte daarom 50 monsters, en de primaire contrastanalyse tussen geïnfecteerd versus controle bevatte 40 monsters nadat asymptomatische picornavirusdetecties waren uitgesloten van de moduleconstructie. Voor de primaire contrastanalyse werden symptomatische picornavirus- en symptomatische RSV-monsters geclassificeerd als geïnfecteerd, en asymptomatische virusnegatieve monsters als controles. Asymptomatische picornavirusdetecties werden niet als controles beschouwd, omdat virale detectie zonder symptomen biologisch verschilt van virusnegatieve gezondheid. Deze monsters werden buiten de moduleconstructie gehouden en later gebruikt voor een symptoomgradiëntanalyse.

Probe-mapping en preprocessing
GSE17827 werd geprofileerd op GPL23126. Transcript-cluster-identificatoren werden gekoppeld aan gensymbolen met behulp van het Clariom D Human na36, hg38 annotatiebestand dat is verspreid via GEO-platform GPL24539. Alleen HGNC-goedgekeurde symbolen werden behouden². Controleprobes, ERCC-probes, niet-gemapte transcriptclusters en niet-goedgekeurde symbolen werden verwijderd. Meerdere transcriptclusters die naar hetzelfde goedgekeurde symbool mappen, werden samengevoegd op basis van de mediaanexpressie. Na filtering en samenvoeging waren 27.685 genen beschikbaar voor de anchor-analyse. Een log₂(x + 1) transformatie werd alleen toegepast wanneer het 95ste percentiel van de expressiematrix 50 overschreed, wat duidt op een niet-gelogde intensiteitsschaal. Genen met meer dan 20% missende waarden werden verwijderd; de resterende missende waarden werden vervangen door de mediaan binnen het gen. Elk gen werd vervolgens gestandaardiseerd over alle monsters in die dataset als z = (x − gemiddelde)/standaarddeviatie van het monster (ddof = 1). Genen met nulvariantie kregen een gestandaardiseerde waarde van 0 toegewezen. De constructie van modules werd beperkt tot vermeldingen die in de volledige HGNC-set zijn geclassificeerd als proteïnecoderende genen.

Analyse van de effectgrootte en moduleconstructie
Neus- en bloedcompartimenten werden afzonderlijk geanalyseerd. Symptomatische virale monsters werden vergeleken met virusnegatieve controles met behulp van Hedges g gestandaardiseerde gemiddelde verschillen en tweezijdige Welch-toetsen²³. Hedges g werd berekend als het verschil tussen het gemiddelde van de geïnfecteerde groep en de controlegroep, gedeeld door de gepoolde standaarddeviatie en vermenigvuldigd met de correctie voor kleine steekproeven 1 − 3/(4df − 1), waarbij df = n_infected + n_control − 2. Welch-toetsen werden uitgevoerd met ongelijke varianties. Benjamini–Hochberg false discovery rates werden berekend voor alle geteste genen binnen elk compartiment²⁴. Omdat geen enkel proteïne-coderend gen voldeed aan de vooraf gespecificeerde strikte combinatie van FDR < 0,05 en Hedges g > 0,8 in de kleine ankercohort, werden genen met een positief effect eerst gerangschikt op basis van een oplopende tweezijdige Welch P-waarde, en vervolgens op basis van een aflopende Hedges g, waarbij het gensymbool als definitieve tie-breaker diende. De top 50 genen vormden elk primair module. Vijftig genen werden a priori gekozen als een gematigde modulegrootte die biologische breedte behield, terwijl het verlies van ontbrekende genen over verschillende platforms werd beperkt. Deze modulegrootte werd niet afgestemd op de externe AUROC. Sensitiviteitsanalyses met 10, 25, 50, 100 en 20 genen gaven hetzelfde kwalitatieve resultaat voor de ankerscheiding. Het doel was reproduceerbaarheid op moduleniveau, niet de ontdekking van individuele genen.

Overeenstemming tussen compartimenten
Schattingen van Hedges g in neus- en bloedmonsters werden per gen op elkaar afgestemd en vergeleken met behulp van Pearson- en Spearman-correlaties. De overlap tussen de top 50 neusmodules en de top 50 bloedmodules werd samengevat door het aantal overlappende genen en de Jaccard-index. Overlappende genen werden geïnterpreteerd als verkennende kandidaten voor rangorde-overlap tussen compartimenten, in plaats van gevalideerde geconserveerde biomarkers.

Externe weefselspecifieke validatie
Voor de validatie van de module-score werden onafhankelijke openbare datasets met interpreteerbare brongroepen gebruikt. De validatie voor de bovenste luchtwegen omvatte RSV-neusspoelingmonsters uit GSE41374 en de SARS-CoV-2-datasets GSE152075 en GSE156063. De bloedvalidatie omvatte GSE17110 en twee afzonderlijk genormaliseerde GSE3890-eenheden: GPL1058 (36 monsters; 28 RSV en 8 controles) en GPL684 (138 monsters; 107 RSV en 31 controles). Voor elke externe dataset werden probes gekoppeld aan HGNC-symbolen, en dubbele symbolen werden samengevoegd op basis van de mediaanexpressie. Dezelfde transformatie, filtering van ontbrekende waarden, mediaanimputatie en regels voor z-standaardisatie per gen die voor de ankerdataset waren gebruikt, werden binnen elke dataset toegepast. Een module-score werd berekend als het ongewogen gemiddelde van de gestandaardiseerde expressiewaarden voor de vertegenwoordigde modulegenen. AUROC, gemiddelde precisie en Welch-test FDR werden gerapporteerd als draagbaarheidsmetrieken, niet als schattingen van de klinische diagnostische prestaties.

Grote klinische benchmark- en ex vivo perturbatie-datasets
Twee whole-blood datasets werden gebruikt als klinische benchmarks in plaats van als discovery-cohorten. In GSE6390 werden monsters op basis van de gedeponeerde metadata over infectiestatus toegewezen aan virale luchtweginfectie (n = 17), bacteriële luchtweginfectie (n = 73) of niet-infectieuze aandoening (n = 90); monsters zonder een van deze ondubbelzinnige labels werden uitgesloten¹⁸. In GSE4012 werden de gedeponeerde diagnosevelden gekoppeld aan influenza A-pneumonie (n = 39), bacteriële pneumonie zonder influenza (n = 61), SIRS zonder pneumonie (n = 40), gezonde controles (n = 36) of gemengde bacteriële/influenza-pneumonie (n = 14)¹⁹. Gemengde bacteriële/influenza-monsters werden beschreven, maar uitgesloten van binaire benchmark-contrasten.

GSE53543 bevat 196 ex vivo PBMC-profielen van 98 individuen. Elk individu leverde één monster met alleen medium en één monster dat gedurende 24 h werd blootgesteld aan rhinovirus 16; subject-identificatoren bevestigden 98 volledige paren. De belangrijkste benchmark rapporteerde de AUROC over de 98 gestimuleerde en 98 ongestimuleerde monsters, omdat AUROC een rangscheidingsmetriek is. De koppeling van subjecten werd behouden in de metadata en gebruikt in een gepaarde sensitiviteitsanalyse van scoreverschillen. Dit experiment werd afzonderlijk geanalyseerd van natuurlijke klinische infectie en werd niet gebruikt om klinische diagnostische claims te ondersteunen.

Ruwe GEO-seriematrices werden gedownload voor GSE63990, GSE4012 en GSE53543. GPL571 werd gebruikt voor GSE63990, GPL6947 voor GSE4012 en GPL1058 voor GSE53543. Probes werden gekoppeld aan door HGNC goedgekeurde symbolen, en dubbele koppelingen werden samengevoegd op basis van de mediane expressie. Er werd gebruikgemaakt van gedeponeerde genormaliseerde matrices. De algemene 95e-percentielregel activeerde een log₂(x + 1) transformatie alleen voor matrices op een niet-logaritmische schaal. GSE53543 was door de oorspronkelijke onderzoekers al log₂-getransformeerd, rang-invariant genormaliseerd en gecorrigeerd voor de verwerkingsdag, waardoor er geen extra log-transformatie werd toegepast. Na het verwijderen van genen met meer dan 20% ontbrekende waarden en het imputeren van de resterende ontbrekende waarden met de mediaan, werd elk gen z-gestandaardiseerd over alle monsters binnen de betreffende dataset. De benchmarklaag bevatte 470 klinische volbloedmonsters en 196 ex vivo PBMC-monsters.

Referentiesignatuur-benchmarking
De anker-nasale en bloedmodules werden gebenchmarkt ten opzichte van drie ongewogen referentiesets. De officiële Pandya 33-mRNA-set werd overgenomen uit Aanvullende Tabel 1 van het oorspronkelijke classifier-rapport⁵. De Andres-Terre-comparator bestond uit 3 interferon-georiënteerde genen, gecureerd uit de gerapporteerde multi-virus-signatuur³. De Hallmark-comparator bestond uit een kernsubset van 3 interferon-alfa-genen die gekoppeld is aan de MSigDB HALLMARK_INTERFERON_ALPHA_RESPONSE-set²⁵^,²⁶. Volledige genlijsten voor alle drie de referentiesets worden verstrekt in Aanvullende Gegevens 1. Deze referentiescores bootsen de oorspronkelijke gewogen classifiers niet na. Voor elke dataset werd een score berekend als het ongewogen gemiddelde van de beschikbare z-scores per gen; er waren ten minste drie vertegenwoordigde genen vereist, en het aantal vertegenwoordigde genen werd gerapporteerd. Benchmark-contrasten waren viraal versus bacterieel, viraal versus niet-infectieus, viraal versus bacterieel-of-niet-infectieus, viraal versus gezond/controle en bacterieel versus gezond/controle, waar de vereiste groepen beschikbaar waren. AUROC en gemiddelde precisie werden geïnterpreteerd als benchmarking-statistieken. Welch-test P-waarden werden gecorrigeerd met behulp van de Benjamini–Hochberg-procedure over alle geldige dataset-contrast-module-combinaties in de benchmarktabel.

Onafhankelijke longitudinale validatie
De gekoppelde datasets van acute fase versus ontslag GSE9741 en GSE9742 werden uitsluitend gebruikt voor longitudinale validatie²⁷. Monsters die in de gedeponeerde metadata waren gelabeld als RSV-enkelinfectie (RSVsi) of rhinovirus (hRV) vormden de primaire analyse; RSV-co-infecties (RSVco) werden alleen behouden in de aanvullende output. Acute en ontslaglabels werden geëxtraheerd uit de monstertitels. Monsters werden gekoppeld op basis van dataset, compartiment, virusgroep en proefpersoon-identificatie, waarbij alleen proefpersonen met beide tijdspunten werden behouden. De primaire gecombineerde groep bestond uit 38 RSVsi- en 30 hRV-paren (68 paren per compartiment).

Geen genselectie, moduleverfijning of drempelwaarde-optimalisatie is toegepast op GSE9741 of GSE9742. Deze datasets werden gereserveerd voor externe validatie. Probe-identificatoren werden gekoppeld aan goedgekeurde HGNC-symbolen, en dubbele symbolen werden samengevoegd op basis van de mediaanexpressie. Dezelfde 95e-percentiel log-transformatie regel, filter voor ontbrekende waarden, mediaan-imputatie en procedures voor z-standaardisatie per gen binnen de dataset werden toegepast voordat de vaste GSE17827 module-scores werden berekend.

Voor elk weefsel en elke module werden de scores voor de acute fase en bij ontslag gekoppeld per proefpersoon en virusgroep. Het verschil tussen de acute fase en het ontslag werd voor elk paar berekend. De Cohen dz werd berekend als het gemiddelde gekoppelde verschil gedeeld door de standaarddeviatie van de steekproef. Tweezijdige gekoppelde t-toetsen en tweezijdige Wilcoxon-voorwaardelijke rangtoetsen werden gerapporteerd, samen met de AUROC voor de scheiding tussen de scores van de acute fase versus ontslag. Benjamini–Hochberg FDR-waarden werden berekend over alle 20 geldige gekoppelde t-toetsen in de volledige longitudinale output (twee datasets, twee modulebronnen en vijf vooraf gespecificeerde samenvattingen van virusgroepen).

Symptoomgradiënt- en post-hoc-analyse
Nadat het modulelidmaatschap was vastgesteld, werden de uitgesloten asymptomatische picornavirusdetecties in GSE17827 uitsluitend gebruikt voor de symptoomgradiëntanalyse. De ordinale klinische score was 0 voor virusnegatieve controles, 1 voor asymptomatische picornavirusdetecties en 2 voor symptomatische infectie. De Spearman-correlatie werd gebruikt om de ordinale trend te beoordelen, terwijl de Kruskal-Wallis-test de algemene verschillen tussen de drie groepen beoordeelde. Tweezijdige Mann-Whitney U post-hoc-testen vergeleken de drie groepsparen. De Benjamini-Hochberg-correctie werd per compartiment afzonderlijk toegepast op de familie van drie paarsgewijze vergelijkingen.

Functionele verrijking
Genen uit de nasale en bloedmodules werden geanalyseerd met Enrichr via gseapy met gebruik van de bibliotheken MSigDB Hallmark 2020, Reactome 202 en GO Biological Process 2023²⁵^,²⁶^,²⁸^,²⁹^,³⁰^,³¹. Enrichr maakte gebruik van het standaard over-representatiekader gebaseerd op de exacte toets van Fisher. Door de bibliotheek gerapporteerde Benjamini–Hochberg-gecorrigeerde P waarden < 0,05 werden als significant beschouwd. De acht meest significante termen per module over de drie geraadpleegde bibliotheken werden gerangschikt op basis van de gecorrigeerde P waarde. Verrijkingsresultaten werden uitsluitend gebruikt voor interpretatie.

Robuustheids-, markerprogramma- en variantieanalyses
Robuustheidsanalyses testten of de resultaten afhankelijk waren van de modulegrootte of toevallige selectie. Modulegroottes van 10, 25, 50, 10 en 20 genen werden geëvalueerd. Voor de nulanalyse met willekeurige genen bestond het geschikte universum uit HGNC proteïne-coderende genen die vertegenwoordigd waren in de verwerkte GSE117827-matrix. Vijfhonderd sets van 50 genen werden zonder vervanging gesampled met een NumPy random seed van 2026062. Bootstrap-herselectie werd beperkt tot de 1.0 proteïne-coderende genen met een positief effect die het hoogst waren gerangschikt in de oorspronkelijke anchor-analyse voor elk compartiment. In elk resample werden de positieve proteïne-coderende genen gerangschikt op basis van een stijgende tweezijdige Welch P-waarde en vervolgens op basis van een dalend gemiddeld verschil. De top 50 genen werden geselecteerd. De genstabiliteit werd berekend als het aantal selecties gedeeld door 10. De 20 genen met de hoogste selectiefrequentie in elk compartiment werden weergegeven.

Scores van marker-programma's werden gebruikt als beschrijvende hulpmiddelen in plaats van als schattingen van celfracties. Zes gecureerde programma's werden geëvalueerd: epitheliaal (EPCAM, KRT8, KRT18, KRT19, MUC1, KRT5, KRT14, SCGB1A1, FOXJ1), monocyten/macrofagen (LYZ, LST1, S100A8, S10A9, FCGR3A, FCGR1A, CD14, MS4A7, CTSS), neutrofielen (S10A8, S10A9, MPO, ELANE, CEACAM8, FCGR3B, OLFM4, MMP8), T/NK (CD3D, CD3E, TRAC, NKG7, GNLY, PRF1, GZMB, KLRD1, IL7R), B/plasma (MS4A1, CD79A, CD79B, MZB1, JCHAIN, IGHG1, SDC1) en myeloïde interferon (SIGLEC1, IFI27, IFI4L, ISG15, MX1, OAS1, RSAD2, IFIT3). Elke programmascore werd berekend als het gemiddelde van de beschikbare z-scores per gen, waarbij minimaal drie vertegenwoordigde genen vereist waren. Spearman P-waarden werden gecorrigeerd met de Benjamini–Hochberg-procedure over de volledige familie van dataset-module-programmacorrelaties. Eénweg eta-kwadraat werd berekend als de som van kwadraten tussen de groepen gedeeld door de totale som van kwadraten voor elk module-factorpaar. Rijen waarin de relevante factor ontbrak, werden uitgesloten van die berekening. Deze analyse was beschrijvend en corrigeerde niet voor wederzijds gecorreleerde factoren.

Reproduceerbaarheid
Alle analyses werden uitgevoerd met gescripte workflows in Python 3.12.13, met de softwarepakketten en versies zoals vermeld in de Tabel met Materialen. Voor gerandomiseerde procedures werd een vaste seed van 2026062 gebruikt. Publieke GEO-expressiematrices werden verwerkt met een consistente projectstructuur waarin ruwe inputs, verwerkte gegevens, statistische outputs, tabellen en figuren waren gescheiden. Moduledefinities, records van steekproefcuratie, schattingen van de effectgrootte, validatiestatistieken, verrijkingsresultaten, robuustheidsanalyses en brondata voor figuren zijn bewaard gebleven ter ondersteuning van onafhankelijke verificatie. De analysecode, specificaties van afhankelijkheden en ondersteunende afgeleide gegevens zijn beschikbaar zoals beschreven in de verklaring over gegevensbeschikbaarheid.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Anchor-stap benchmarking maakte weefselspecifieke van pan-weefsel gen-effecten onderscheid
De gecureerde GSE17827 anchor-matrix bevatte 27.685 HGNC-goedgekeurde genen. Het primaire nasale contrast omvatte 15 symptomatische geïnfecteerde en 6 virus-negatieve controlemonsters; het bloedcontrast omvatte 13 symptomatische geïnfecteerde en 6 controles (Tabel 1). Omdat deze kleine cohort geen stabiele ontdekking van individuele genen kan ondersteunen, werd deze gebruikt als een gepaarde-co...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

De belangrijkste les is operationeel: begin met het bemonsterde compartiment en niet met de grootste samengevoegde matrix. GSE17827 is klein, maar het gepaarde ontwerp maakt een directe vergelijking tussen neus en bloed binnen één studie mogelijk. De correlatie van het effect op genniveau die nagenoeg nul is, laat zien dat een samengevoegde pan-weefsel ranglijst substantiële compartimentele structuren zou maskeren. Afzonderlijke modules waren daarom een meer verdedigbaar ontwerp. Hun externe en longitudinale prestaties o...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs verklaren dat er geen financiële of niet-financiële belangenverstrengelingen zijn die relevant zijn voor dit werk.

Dankbetuigingen

De auteurs danken de onderzoekers en deelnemers van de openbare GEO-studies die in dit werk zijn geanalyseerd. Geen enkele andere persoon voldeed aan de criteria voor auteurschap. Dit onderzoek heeft geen specifieke subsidie ontvangen van enige financieringsinstantie in de publieke, commerciële of non-profitsector.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
Naam	Bedrijf	Catalogusnummer	Opmerkingen
Andres-Terre multi-virus interferon-gestimuleerde genenset	Andres-Terre et al.	33-gen comparator; Supplementary Data 1	Ongewogen interferon-georiënteerde comparator samengesteld uit de gerapporteerde multi-virus signature; de volledige genenlijst is opgenomen in Supplementary Data 1.
Enrichr	Ma'ayan Laboratory	Geraadpleegd op 18 augustus 2026; RRID:SCR_01575	Resource voor overrepresentatie van genensets, geraadpleegd via gseapy.
Gene Expression Omnibus	National Center for Biotechnology Information	GEO; RRID:SCR_05012	Publieke transcriptoom-repository gebruikt voor toegang tot de geanalyseerde datasets.
Gene Ontology	Gene Ontology Consortium	GO Biological Process 2023; RRID:SCR_0281	Functionele annotatiebibliotheek gebruikt via Enrichr.
GPL1058	NCBI GEO	GPL1058	Platform voor GSE53543 en de validatie-eenheid van 36 monsters uit GSE3890.
GPL23126	NCBI GEO	GPL23126	Expressieplatform voor GSE17827.
GPL24539	NCBI GEO	Clariom_D_Human.na36.hg38. probeset.csv	Clariom D Human na36, hg38 annotatie gebruikt voor GSE17827 transcript-cluster mapping.
GPL571	NCBI GEO	GPL571	Platformannotatie toegepast op GSE6390.
GPL684	NCBI GEO	GPL684	Platform voor de validatie-eenheid van 138 monsters van RSV whole-blood uit GSE3890.
GPL6947	NCBI GEO	GPL6947	Platformannotatie toegepast op GSE4012.
GSE17827	NCBI GEO	GSE17827	Primaire gekoppelde nasal-swab en whole-blood anchor dataset.
GSE152075	NCBI GEO	GSE152075	Externe SARS-CoV-2 validatiedataset van de bovenste luchtwegen.
GSE156063	NCBI GEO	GSE156063	Externe SARS-CoV-2 validatiedataset van de bovenste luchtwegen.
GSE1710	NCBI GEO	GSE1710	Externe SARS-CoV-2 whole-blood validatiedataset.
GSE38900	NCBI GEO	GSE3890; GPL1058 en GPL684	Externe RSV whole-blood validatie, geanalyseerd als afzonderlijk genormaliseerde platformeenheden van 36 en 138 monsters.
GSE4012	NCBI GEO	GSE40012	Benchmark voor klinische influenza A pneumonie, bacteriële pneumonie, SIRS en gezonde controles.
GSE41374	NCBI GEO	GSE41374	Externe RSV nasal-wash validatiedataset.
GSE53543	NCBI GEO	GSE53543	Gekoppelde ex vivo PBMC rhinovirus perturbatie-benchmark met 98 proefpersonen en 196 monsters.
GSE6390	NCBI GEO	GSE63990	Klinische virale, bacteriële en niet-infectieuze whole-blood benchmark.
GSE9741	NCBI GEO	GSE9741	Longitudinale whole-blood validatiedataset acute-versus-discharge.
GSE9742	NCBI GEO	GSE9742	Longitudinale nasofaryngeale validatiedataset acute-versus-discharge.
gseapy	gseapy developers	Versie 1.3.1	Python-interface gebruikt voor het opvragen van Enrichr.
HGNC gene symbol resource	HUGO Gene Nomenclature Committee	Geraadpleegd op 18 augustus 2026; RRID:SCR_02827	Goedgekeurde resource voor normalisatie van gensymbolen en proteïne-coderende classificatie.
Matplotlib	Matplotlib development team	Versie 3.1.1	Figuurgeneratie.
MSigDB Hallmark genensets	Broad Institute	Hallmark 2020; RRID:SCR_016863	Hallmark enrichment-bibliotheek geraadpleegd via Enrichr.
MSigDB Hallmark interferon-alfa respons genenset	Broad Institute	HALLMARK_INTERFERON_ALPHA_ RESPONSE; core subset van 3 genen in Supplementary Data 1	Ongewogen interferon-alfa comparator; de exacte subset is opgenomen in Supplementary Data 1.
NumPy	NumPy developers	Versie 2.5.2	Numerieke berekeningen en seeded random sampling.
pandas	pandas development team	Versie 3.0.5	Verwerking van tabelgegevens.
Pandya 3-mRNA gastrespons genenset	Pandya et al.	Supplementary Table 1; Supplementary Data 1	Officiële set van 3 genen gescoord als een ongewogen comparator.
Python	Python Software Foundation	Versie 3.12.13	Computationele analyse-omgeving.
Reactome	Reactome	Reactome 202; RRID:SCR_03485	Pathway enrichment-bibliotheek geraadpleegd via Enrichr.
scikit-learn	scikit-learn developers	Versie 1.9.0	AUROC- en average-precision berekeningen.
SciPy	SciPy developers	Versie 1.18.0	Welch, paired t, Wilcoxon, Mann–Whitney en correlatietests.
Seaborn	Seaborn development team	Versie 0.13.2	Statistische graphics.
statsmodels	statsmodels developers	Versie 0.14.6	Statistische utilities.

Referenties

Zaas AK, et al. Gene expression signatures diagnose influenza and other symptomatic respiratory viral infections in humans. Cell Host Microbe. 2009;6(3):207-17.
Woods CW, et al. A host transcriptional signature for presymptomatic detection of infection in humans exposed to influenza H1N1 or H3N2. PLoS One. 2013;8(1):e52198.
Andres-Terre M, et al. Integrated, multi-cohort analysis identifies conserved transcriptional signatures across multiple respiratory viruses. Immunity. 2015;43(6):1199-211.
Herberg JA, et al. Diagnostic test accuracy of a 2-transcript host RNA signature for discriminating bacterial vs viral infection in febrile children. JAMA. 2016;316(8):835-45.
Pandya R, et al. A machine learning classifier using 33 host immune response mRNAs accurately distinguishes viral and non-viral acute respiratory illnesses in nasal swab samples. Genome Med. 2023;15(1):64.
Ioannidis I, et al. Plasticity and virus specificity of the airway epithelial cell immune response during respiratory virus infection. J Virol. 2012;86(10):5422-36.
Mejias A, et al. Whole blood gene expression profiles to assess pathogenesis and disease severity in infants with respiratory syncytial virus infection. PLoS Med. 2013;10(11):e1001549.
Blanco-Melo D, et al. Imbalanced host response to SARS-CoV-2 drives development of COVID-19. Cell. 2020;181(5):1036-45.e9.
Hadjadj J, et al. Impaired type I interferon activity and inflammatory responses in severe COVID-19 patients. Science. 2020;369(6504):718-24.
Mick E, et al. Upper airway gene expression reveals suppressed immune responses to SARS-CoV-2 compared with other respiratory viruses. Nat Commun. 2020;11(1):5854.
Yoshida M, et al. Local and systemic responses to SARS-CoV-2 infection in children and adults. Nature. 2022;602(7896):321-7.
Jamali MC, et al. Respiratory infections by human metapneumovirus: epidemiological evidence and treatment prospects. Res J Pharm Technol. 2026;19(8):3905-12. doi:10.52711/0974-360X.2026.00549.
Gao G, Lin R, Ma D. Human metapneumovirus: pathogenesis, epidemiology, diagnostic technologies, and potential intervention strategies. Virol J. 2025;22(1):376.
Lim FY, et al. homeRNA self-blood collection enables high-frequency temporal profiling of presymptomatic host immune kinetics to respiratory viral infection: a prospective cohort study. EBioMedicine. 2025;112:105531.
Johnson WE, Li C, Rabinovic A. Adjusting batch effects in microarray expression data using empirical Bayes methods. Biostatistics. 2007;8(1):118-27.
Leek JT, et al. The sva package for removing batch effects and other unwanted variation in high-throughput experiments. Bioinformatics. 2012;28(6):882-3.
Yu J, et al. Host gene expression in nose and blood for the diagnosis of viral respiratory infection. J Infect Dis. 2019;219(7):1151-61.
Tsalik EL, et al. Host gene expression classifiers diagnose acute respiratory illness etiology. Sci Transl Med. 2016;8(322):322ra11.
Parnell GP, et al. A distinct influenza infection signature in the blood transcriptome of patients with severe community-acquired pneumonia. Crit Care. 2012;16(4):R157.
Edgar R, Domrachev M, Lash AE. Gene Expression Omnibus: NCBI gene expression and hybridization array data repository. Nucleic Acids Res. 2002;30(1):207-10.
Barrett T, et al. NCBI GEO: archive for functional genomics data sets-update. Nucleic Acids Res. 2013;41(D1):D991-5.
Tweedie S, et al. Genenames.org: the HGNC and VGNC resources in 2021. Nucleic Acids Res. 2021;49(D1):D939-46.
Welch BL. The generalization of Student's problem when several different population variances are involved. Biometrika. 1947;34(1-2):28-35.
Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. J R Stat Soc Series B Stat Methodol. 1995;57(1):289-300.
Subramanian A, et al. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proc Natl Acad Sci U S A. 2005;102(43):15545-50.
Liberzon A, et al. The Molecular Signatures Database Hallmark Gene Set Collection. Cell Syst. 2015;1(6):417-25.
Do LAH, et al. Host transcription profile in nasal epithelium and whole blood of hospitalized children under 2 years of age with respiratory syncytial virus infection. J Infect Dis. 2018;217(1):134-46.
Ashburner M, et al. Gene Ontology: tool for the unification of biology. Nat Genet. 2000;25(1):25-9.
The Gene Ontology Consortium. The Gene Ontology resource: enriching a GOld mine. Nucleic Acids Res. 2021;49(D1):D325-34.
Gillespie M, et al. The Reactome pathway knowledgebase 2022. Nucleic Acids Res. 2022;50(D1):D687-92.
Kuleshov MV, et al. Enrichr: a comprehensive gene set enrichment analysis web server 2016 update. Nucleic Acids Res. 2016;44(W1):W90-7.
Schoggins JW, et al. A diverse range of gene products are effectors of the type I interferon antiviral response. Nature. 2011;472(7344):481-5.
Schneider WM, Chevillotte MD, Rice CM. Interferon-stimulated genes: a complex web of host defenses. Annu Rev Immunol. 2014;32:513-45.
Perng YC, Lenschow DJ. ISG15 in antiviral immunity and beyond. Nat Rev Microbiol. 2018;16(7):423-39.
Schioppa T, et al. Molecular basis for CCRL2 regulation of leukocyte migration. Front Cell Dev Biol. 2020;8:615031.
Avila Cobos F, et al. Benchmarking of cell type deconvolution pipelines for transcriptomics data. Nat Commun. 2020;11(1):5650.
Maden SK, et al. Challenges and opportunities to computationally deconvolve heterogeneous tissue with varying cell sizes using single-cell RNA-sequencing datasets. Genome Biol. 2023;24(1):288.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Meer artikelen verkennen

Nasale transcriptomen bloedtranscriptomen computationele workflow genexpressieanalyse virale infectiecohorten biomarkervalidatie modulestabiliteit